一种基于相干噪声抑制的电机故障特征提取方法技术

本发明专利技术公开了一种基于信号相干噪声抑制的电机故障信号特征提取方法。首先收集待测电机机座及滚动轴承附近的振动信号。然后对两个振动信号进行加窗和傅立叶变换，得到各自的自功率谱密度和两个信号之间的互功率谱密度。然后基于自功率谱密度与互功率谱密度求取两个信号所包含的故障信号的空间相干转移矩阵。之后在频域利用相干转移矩阵对电机滚动轴承处振动信号中的背景信号噪声进行滤除，得到噪声抑制后的信号，再通过傅立叶反变换得到时域信号；最后对噪声抑制后的信号进行带通滤波和包络解调分析，将包络谱的频率和幅值作为提取到电机滚动轴承的故障特征。

【技术实现步骤摘要】
一种基于相干噪声抑制的电机故障特征提取方法
本专利技术属于电机故障诊断领域，涉及一种基于信号相干噪声抑制的电机故障特征提取的方法研究。
技术介绍
电机故障诊断技术是建立在故障诊断技术上的一个分支，常见的电机故障有机械故障和电气故障等，而电机的机械故障一般包括定子异常，偏心故障以及轴承故障等，这些故障都可以由振动信号反映出来。常用的电机故障诊断方法可以分为以下三类：基于模型的故障诊断方法，基于信号的故障诊断方法，以及基于数据驱动的故障诊断方法。其中，基于信号的方法可以通过处理传感器采集到的电机信号，从中提取一些关键信息作为判别的依据，然后与正常的电机信号进行对比，基于经验或者知识来判断。信号处理方法一般有时域方法，频域方法和时频分析方法，其中频域分析的经典方法是快速傅里叶变换，它可以清楚地显示信号的频率分布，不同的故障的谐波频率以及幅值都不同。常用的频域分析方法还有短时傅里叶变换，小波变换，希尔伯特-黄变换等。
技术实现思路
本专利技术的目的在于提供一种基于信号相干噪声抑制的电机故障特征提取方法，采集待测信号和参考信号并计算其自功率谱密度及两个信号之间的互功率谱密度，通过功率密度谱计算两个传感器测得的信号之间的空间相干转移矩阵，进而对背景信号进行抑制和滤除。本专利技术公开了一种基于信号相干噪声抑制的电机故障特征提取方法，具体步骤包括：步骤一：采用两个振动信号传感器，一个安装于待诊断电机滚动轴承附近，一个安装于电机机座，两个传感器同步测量振动信号；步骤二，对测得的两个传感器的振动信号进行加窗处理和傅立叶变换，并计算两个振动信号的自功率谱密度Sx(ω)和Sy(ω)；步骤三，计算两个振动信号的互功率谱密度Gxy(ω)。步骤四，根据计算得到的自功率谱密度Sx(ω)和Sy(ω)以及互功率谱密度Gxy(ω)，计算两个信号的空间相干转移矩阵H(ω)；步骤五，对两个振动信号分别进行傅立叶变换得到的结果表示为X(ω)和Y(ω)，再根据X(ω)，Y(ω)和转移矩阵H(ω)计算得到消噪处理后的频域信号，然后再对频域信号进行傅立叶反变换得到噪声抑制后的时域信号；步骤六，对噪声抑制后的信号进行带通滤波，然后对滤波后的信号进行包络解调分析，得到调制信号的频率和幅值信息，作为电机滚动轴承的故障特征。2.根据权利要求1所述的一种基于相干噪声抑制的电机故障特征提取方法，其特征在于，步骤四计算空间相干转移矩阵H(ω)的具体方法如下：设电机机座的振动信号为e(n)，滚动轴承附近的振动信号为b(n)，则两个传感器所测得的滚动轴承处振动信号x(n)以及机座处振动信号y(n)表示如下::x(n)＝e(n)+b(n)y(n)＝e(n)+b(n)*h(n)设X(ω,k)，Y(ω,k)为两个振动信号的傅里叶变换结果，则两个传感器的信号在频域表示为：X(ω,k)＝E(ω,k)+B(ω,k)Y(ω,k)＝E(ω,k)+B(ω,k)×H(ω,k)根据两个振动信号的自谱与互谱关系，转移矩阵H(ω,k)的计算公式为：3.根据权利要求1所述的一种基于相干噪声抑制的电机故障特征提取方法，其特征在于，步骤五得到噪声抑制后的故障信号的公式为：其中F-1表示傅里叶反变换，H(ω)表示计算得到的空间转移矩阵，X(ω)和Y(ω)表示两个信号的傅里叶变换。附图说明图1为本专利技术故障信号提取方法流程图；图2为实验收集的电机机座振动信号和滚动轴承处的振动信号。图3为采集的信号的自功率谱密度；图4为信号的互功率谱密度图；图5为噪声抑制后的信号时域图；图6为提取的故障信号包络谱。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本专利技术作进一步地详细描述。参见图1流程图所示，本实施案例提供的开关磁阻电机的故障信号特征提取方法包括以下步骤：步骤一，用两个压电式加速度互感器振动传感器采集待测电机机座部位以及电机滚动轴承附近的振动信号；步骤二，对两个振动信号进行加窗和傅里叶变换处理，并计算两个振动信号的自功率谱密度。根据信号自相关函数的定义：自相关函数作傅里叶变换可求得自功率谱密度函数：得到的两个信号的自功率谱密度如图3所示。步骤三，计算两个振动信号的互功率谱密度。根据互相关函数定义，信号x(t)与y(t)的互相关函数为：则互功率谱密度函数为得到的两个信号的互功率谱密度如图4所示。步骤四，根据计算得到的自功率谱密度Sx(ω)和Sy(ω)以及互功率谱密度Gxy(ω)计算两个信号的空间相干转移矩阵H(ω)；步骤五，对两个振动信号分别进行傅立叶变换得到的结果表示为X(ω)和Y(ω)，再根据X(ω)，Y(ω)和转移矩阵H(ω)计算得到消噪处理后的频域信号，然后再对频域信号进行傅立叶反变换得到噪声抑制后的时域信号；对电机滚动轴承处信号进行噪声抑制后的波形如图5所示。步骤六，对噪声抑制后的信号进行带通滤波以及包络解调分析，得到调制信号的频率和幅值信息，作为提取到的故障特征，提取的特征信号如图6所示。以上实例仅仅用于帮助理解本专利技术的方法和核心思想，不能认定本专利技术只限于上述实施例。在具体实践时，根据本专利技术的思想，在具体实施方式及应用范围上均会有改变之处，对本专利技术的各种等价形式的修改和替换都应落入本专利技术的保护范围内。本文档来自技高网...

【技术保护点】
1.一种基于相干噪声抑制的电机故障特征提取方法，其特征在于，包括以下步骤：/n步骤一：采用两个振动信号传感器，一个安装于待诊断电机滚动轴承附近，一个安装于电机机座，两个传感器同步测量振动信号；/n步骤二：对测得的两个传感器的振动信号进行加窗处理和傅立叶变换，并计算两个振动信号的自功率谱密度S

【技术特征摘要】
1.一种基于相干噪声抑制的电机故障特征提取方法，其特征在于，包括以下步骤：
步骤一：采用两个振动信号传感器，一个安装于待诊断电机滚动轴承附近，一个安装于电机机座，两个传感器同步测量振动信号；
步骤二：对测得的两个传感器的振动信号进行加窗处理和傅立叶变换，并计算两个振动信号的自功率谱密度Sx(ω)和Sy(ω)；
步骤三：计算两个振动信号的互功率谱密度Gxy(ω)；
步骤四：根据自功率谱密度Sx(ω)和Sy(ω)以及互功率谱密度Gxy(ω)，计算两个振动信号的空间相干转移矩阵H(ω)；
步骤五：对两个振动信号分别进行傅立叶变换得到的结果表示为X(ω)和Y(ω)，再根据X(ω)，Y(ω)和转移矩阵H(ω)计算得到消噪处理后的频域信号，然后再对频域信号进行傅立叶反变换得到噪声抑制后的时域信号；
步骤六：对噪声抑制后的信号进行带通滤波，然后对滤波后的信号进行包络解调分析，得到调制信号的频率和幅值信息，作为电机滚动轴承的故障特征。


2.根据权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：王成栋，马运超，杨冬辰，王成，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51